AAILore Sift

内容

情报流日报主题

工作台

脱水提炼文章与视频

我的

收藏知识库私人设置
AILore Sift事实、判断与机会,保持边界清晰。
AILORE SIFT情报简报
日报周报月报

往期日报

10月2日星期五1610月1日星期四209月30日星期三189月29日星期二139月28日星期一59月27日星期日39月26日星期六149月25日星期五79月24日星期四149月23日星期三129月22日星期二139月21日星期一19月20日星期日89月19日星期六39月18日星期五39月17日星期四39月16日星期三59月15日星期二89月14日星期一69月13日星期日79月12日星期六139月11日星期五109月10日星期四149月9日星期三109月8日星期二139月7日星期一59月6日星期日99月5日星期六109月4日星期五179月3日星期四188月28日星期五148月27日星期四118月26日星期三118月25日星期二108月24日星期一68月23日星期日58月22日星期六178月21日星期五108月20日星期四148月19日星期三108月18日星期二78月17日星期一58月16日星期日78月15日星期六148月14日星期五168月13日星期四148月12日星期三158月11日星期二108月10日星期一78月9日星期日98月8日星期六118月7日星期五98月6日星期四118月5日星期三128月4日星期二178月3日星期一108月2日星期日98月1日星期六97月31日星期五37月30日星期四117月29日星期三147月28日星期二177月27日星期一157月26日星期日87月25日星期六77月24日星期五107月23日星期四107月22日星期三117月21日星期二137月20日星期一107月19日星期日17月18日星期六57月17日星期五127月16日星期四10
返回情报流
AILORE SIFTDAILY · 2026.09.18

AI 日报

2026年9月18日星期五

本期重点
3
预计阅读
3 分钟
01产品与商业102行业动态2
00

PERIOD HIGHLIGHTS

本期看点

  1. 01ChatGPT for Word 上线,OpenAI 称 Excel 与 PowerPoint 用量激增产品
  2. 02Base Labs 联合 Hugging Face 与 Goodfire 推出开放权重 AI 安全合作新闻
  3. 03OpenAI Codex 开发者:多 agent 集群大量浪费 token,质量毫无提升新闻
01

PRODUCT

产品与商业

1 条
AIHOT · X / 公众号精选64

ChatGPT for Word 上线,OpenAI 称 Excel 与 PowerPoint 用量激增

OpenAI 将 ChatGPT 正式集成进 Microsoft Word,用户可在文档内把粗略笔记转为初稿、理顺段落、校对文字、获取修改建议,并识别格式问题。OpenAI 员工 Sherwin Wu 表示,ChatGPT for Excel 与 PowerPoint 的用量近期大幅增长,此次 Word 上线补齐了整套 Office 集成。

为什么值得看此前 Office 场景中的 ChatGPT 能力主要覆盖 Excel 和 PowerPoint,Word 是文档写作与校对的高频入口。补上这一环后,用户不必在聊天窗口与文档之间反复复制粘贴,可在原有写作流中直接完成改写与检查,试用门槛明显降低。
02

INDUSTRY

行业动态

2 条
TechCrunch AI61

Base Labs 联合 Hugging Face 与 Goodfire 推出开放权重 AI 安全合作

Baseten 于今年早些时候成立的研究组织 Base Labs 宣布,与 Hugging Face 和 Goodfire 建立开放权重 AI 安全合作关系。Base Labs 将开发并公开发布用于训练和监测开放模型的方法。该消息由 TechCrunch AI 于 2026 年 9 月 17 日报道。

为什么值得看此前开放权重模型的安全研究与监测方法多由单个机构分散推进或闭源保留;此次由模型部署平台孵化的研究组织牵头,联合模型托管平台与可解释性公司共同开发并公开发布方法,意味着开放模型的安全能力建设开始形成跨机构协作与公开输出的路径。
The Decoder AI News57

OpenAI Codex 开发者:多 agent 集群大量浪费 token,质量毫无提升

OpenAI Codex 开发者 Eric Provencher 指出,运行超过两个并行子 agent 几乎总是浪费 token 且不提升质量,因为 agent 之间互不信任,会重复核查彼此工作,他把这一现象称为“协调税”。他引用一个项目案例:1,393 个 agent 为一次 Python 重构消耗了价值 20,000 美元的 token,而一个 Astra agent 用远低得多的成本即可完成。

为什么值得看此前多 agent 并行常被当作提升复杂任务质量的默认路径,这一来自 OpenAI Codex 开发者的公开批评给出了具体成本数字与失败案例,把讨论从能力扩展转向成本与协作效率,对正在设计多 agent 架构的团队构成直接的反向证据。
前一期返回情报流后一期